EMQ Device Agent：AI 赋能家庭储能方案

家庭储能市场的竞争重心正在从硬件参数转向软件体验与迭代速度。当前的主流方案受限于发布周期与端侧算力，难以满足动态电价、天气变化与用户习惯对实时策略优化提出的刚性需求。EMQ Device Agent 支持使用自然语言快速开发储能智能体，将推理运行在云端，实现自然语言交互、小时级策略优化与云端热更新，在控制硬件成本的前提下，将产品迭代周期从周级缩短至天级。

背景

家庭储能厂商面临一个普遍的困境：用户购买的系统，在使用一段时间后就退化成「固定的定时器」——电价变化不响应、天气变化不调整，用户也缺乏持续手动优化的意愿。问题的根源不在于硬件性能，而是传统固件架构从底层上限制了系统的感知与决策能力。

2023 年 3 月，欧洲电力市场经历了典型的高波动周。受天然气价格下跌、可再生能源出力激增和需求下降的共同影响，多国日前市场电价在数日内出现剧烈震荡。

• 北欧（Nord Pool，橙色线）：3 月 6 日前后电价一度攀升至约 130 欧元/MWh，3 月 25 日受光伏和风能出力过剩叠加需求骤降的影响，电价跌至约 60 欧元/MWh的低位，部分时段甚至出现负电价。
• 德国（EPEX Spot DE，蓝色线）：3 月 15 日国内日前电价一度突破 120 欧元/MWh，而 3 月 25 日则跌至接近 15 欧元/MWh。
• 荷兰（EPEX Spot NL，灰色线）的波动幅度与德国同样剧烈。

这种几天内电价近乎腰斩的剧烈波动，直接让固定策略的户用储能彻底失效：3 月初设定的充放电策略，到中下旬就完全失灵，只有具备小时级动态重算能力的智能调度系统，才能在此类市场中持续捕捉价差收益。

由此，储能行业的竞争重心从单纯的硬件参数，转向「能不能帮用户省更多电费、能不能主动响应电价变化」，户用储能系统的智能化体验正在成为新赛道。

本文将介绍如何利用 EMQ Device Agent 打造家庭储能智能体，根据实时电价、天气变化和家庭用电习惯动态调整调度策略，持续优化用电收益。

现有挑战

智能化能力不足

当前家庭储能系统的交互逻辑以指令式操作为主：打开 App → 找到设备 → 切换模式 → 确认。这类交互的前提是用户必须有明确的指令，并且用电环境不会发生变化。

但用户的实际需求往往更具上下文：

"明天下午我有客人来拜访，会多用一些电，你给我安排一下。"

这句话包含多层意图：

• 时间限定（明天下午）
• 负载预测（客人在访导致用电增加）
• 优化请求（重新排充放电策略）

传统系统不具备自然语言理解能力，也无法进行意图拆解和上下文推理。用户需要手动在 App 中切换模式、调整参数，系统才能执行。

现有系统只能接受明确的结构化指令，而用户期望的是能够理解上下文的交互体验，结果是操作门槛高、用户活跃度低、客服和售后成本也随之上升。

迭代效率低

储能市场不同品牌之间硬件性能的差距正在缩小，算法策略、交互体验和迭代速度成为新的竞争维度。在这种条件下，智能产品的迭代效率和速度尤为重要。

• 新功能需经过开发 → 测试 → 固件烧录 → OTA 灰度 → 全量发布，单次迭代周期以周/月计算。
• 出现问题时，回滚同样需要完整的流程。
• 接入第三方数据源（天气、电价等）需要在固件中集成 SDK，受芯片平台限制。

当竞争对手以天为单位优化算法策略时，以周为单位的固件发布节奏成为关键瓶颈。

硬件成本约束

智能能力需要算力支撑，但算力的引入受成本约束：

• 在端侧 MCU 上运行 AI 推理需要更强的芯片方案，硬件 BOM 显著上升。
• 实际场景中，绝大多数储能系统端侧算力仅能满足基础的控制逻辑。

需要在不显著增加硬件成本的前提下，为储能系统引入智能能力。

上述三个局限性的本质指向一个结构性矛盾：感知与决策被锁死在设备端，而端侧算力与固件迭代周期无法支撑持续的智能升级。解决这一矛盾的关键不在于增加设备端算力，而在于重新划分系统的智能边界——将推理层从固件中剥离，交由云端承载。

Device Agent 架构方案

Device Agent 的核心思路是把智能推理层从设备固件中转移到云端，设备只负责可靠执行。这样复杂 AI 和算法可以在云端持续升级，而设备端保持低成本、低功耗。

该方案的 4 个核心组件分工如下：

• Device Agent：
  运行在云端，负责感知、理解和决策。算力充足，模型可灵活升级，不受固件生命周期约束。
• 设备管理：
  提供设备上下文（绑定关系、空间拓扑、设备属性、历史数据）。
• EMQX MQTT Broker：
  接收遥测数据和事件以及下发 AI 推理后的控制命令；作为 A2A 协议的中转核心，EMQX 提供了 Agent 注册、发现，以及 Agent 之间异步消息通信等核心能力。
• 设备端：
  接收指令并执行，不参与推理，成本和功耗最低。可以通过 WebSocket 协议接入语音能力。

Device Agent 并非替代 IoT 平台，而是在 IoT 平台之上构建智能层。不同厂商的物模型通过适配可以映射到统一的设备抽象层，业务逻辑与具体设备解耦。这意味着：即使接入不同品牌、不同协议的储能设备，核心智能策略都可以复用，降低生态拓展和迁移成本。

Device Agent 方案优势

AI 驱动的交互：从多级导航到自然语言

传统交互流程：App → 找到设备 → 切换模式 → 确认。

用户需要清楚知道自己要什么，并手动完成操作。

Device Agent 交互流程：Device Agent 支持对话式交互。

用户仅需描述需求即可触发策略调整。

以「明天下午我有客人来拜访，会多用一些电，你给我安排一下」为例：

1. 意图识别：判断为充放电策略调整请求。
2. 参数提取：时间（明天下午）、负载变化（客人到访）。
3. 工具调用：获取天气预测、电池 SOC、电价曲线。
4. 策略计算：生成最优充放电计划并下发设备端。
5. 结果反馈：告知用户调整内容。

整个过程无需用户在 App 中进行多级菜单操作。

电网智能调度算法集成：可编排框架支撑策略持续升级

调度算法是家庭储能产品的核心竞争力。Device Agent 提供了可编排的算法集成框架，将策略迭代周期从固件发布周期压缩至代码部署周期。

Device Agent 的工作流为：感知（Events）→ 推理（Agent）→ 行动（Action Tools）。各环节均可插拔：

• 新电价模型：新增 tool API 并注册到 Agent 工具列表。
• 新调度策略：编写 skill 脚本后上线生效/

整个过程不涉及设备固件修改。产品设计人员可以通过 Device Agent 提供的自定义 skills 和 tools 管理工具来快速创建、更新不同的数据源和各种智能调度算法。

数据源工具

在欧洲家庭储能场景中，通过可编排的 tool 和 skill 获取以下数据：

运行模式工具

通过扩展优化算法，系统可支持多种运行模式：

• 收益模式：在电价最低时充电、最高时放电，赚取峰谷价差。
• 能源独立模式：优先使用太阳能，最大化自给率。系统预测光伏发电与家庭负荷的匹配度，优先存储而非回网。
• 平衡模式：在电费节省与电池健康维护之间自动平衡。系统通过学习用户用电习惯逐步调整参数，无需手动配置。

手动覆盖

用户可通过 App 手动覆盖当前策略。手动设置生效后，系统在两小时后自动恢复智能体自动模式。该机制确保用户保留最终控制权，同时避免长期偏离最优策略。

动态策略闭环

Device Agent 可以给系统设定各种触发策略，比如定时、或者指定的事件，触发后可以执行策略优化闭环：

1. 读取当前天气数据（光伏发电预测）。
2. 获取实时电价（Nord Pool 等市场数据）。
3. 查询家庭历史用电曲线。
4. 读取电池 SOC 与 SOH。
5. 计算未来一小时的充放电策略并下发。

该循环持续运行，无需用户干预。当策略需要用户知情时推送通知，例如：

「预计明日全天阴雨，光伏发电量为平日的 40%，已切换为保电模式，预留 60% 容量应对晚间峰值。」

传统系统在用户设定后保持固定策略不变；Device Agent 可以按照指定算法重新评估，策略随条件变化动态调整。

云端热更新：迭代效率从周级压缩至天级

在市场和政策快速变化的环境下，产品迭代速度就是竞争力。Device Agent 提供对话式的智能体生成能力。通过 Device Agent 开发者可以用自然语言描述储能智能体的行为逻辑，

• 设备可以上报什么数据，提供哪些控制命令，以及哪些事件触发等；
• 为开发者快速生成设备端运行的代码，对接 Device Agent，以及设备端驱动；
• 工作流编排：监听哪些事件、调用哪些工具、在什么条件下触发什么动作。

开发完成后，通过 Web 控制台实时调试，观察智能体与设备的交互过程。每一步的推理、tool 调用、决策结果均可可视化。一个家庭储能智能体，从想法到上线，可从传统模式的数周缩短到数天。

数据安全与隐私保护

智能推理上云后，用电数据的隐私保护是方案设计中的关键考量。

Device Agent 方案支持私有部署，直接将整套系统部署在欧洲，支持对用户用电数据、家庭行为模式等敏感信息进行端到端加密传输与访问控制，同时提供数据分级策略——仅将聚合后的调度结果下发至设备端，原始数据保留在用户授权的可控域内，满足欧盟 GDPR 等法规对家庭数据处理的合规要求。

总结

Device Agent 方案与传统方案的核心差异，体现在六个维度：

• 交互方式：从 App 多级菜单和固定模式，转变为用户一句话即可调优的自然语言交互。
• 感知能力：从用户手动设置后固定不变，转变为按照用户指定的策略读取天气、电价、用电行为并重新优化。
• 迭代速度：从依赖固件升级（2-4 周一次），转变为云端策略热更新，小时级上线、随时回滚。
• 智能程度：从人工编写固定规则，转变为 AI 推理、可编排技能与多工具协同。
• 硬件成本：从端侧高性能芯片或纯人工运维，转变为端侧低成本 MCU 执行、云端承担智能推理。
• 生态适配：从绑定厂商物模型、迁移成本高，转变为通过适配层对接不同设备，业务逻辑复用。

Device Agent 方案最终沉淀为三大核心价值：产品上市更快、用户体验更好、总体成本更低。在户用储能市场从硬件参数比拼转向用户体验竞争的当下，软件智能化的迭代速度，直接决定了产品能走多远。